角点提取比较

人间小客

已于 2022-07-24 01:49:37 修改

阅读量233

点赞数

分类专栏： SLAM 文章标签：计算机视觉

于 2022-07-24 01:47:44 首次发布

版权归作者所有，如有转载，请注明转载作者

本文链接：https://blog.youkuaiyun.com/Android_WPF/article/details/125955154

版权

SLAM 专栏收录该内容

13 篇文章

订阅专栏

该博客介绍了如何使用OpenCV的cornerHarris函数进行Harris角点检测。通过计算梯度、加权平均和响应值，检测图像中的角点，并通过非极大值抑制找到局部最大值。代码示例展示了从读取图像到显示角点的完整流程。Harris角点检测具有旋转不变性和稳定性，但缺乏尺度不变性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Harris角点

基本思想和原理

Harris角点检测基本方法解释，基于OpenCV的调用

void cornerHarris( InputArray src, OutputArray dst, int blockSize,
                                int ksize, double k,
                                int borderType = BORDER_DEFAULT );

对应参数说明

Parameters

src
Input single-channel 8-bit or floating-point image.

dst
Image to store the results. It has the same size as src and the type CV_32FC(6) .

blockSize
Neighborhood size (see details below).

ksize
Aperture parameter for the Sobel operator.

borderType
Pixel extrapolation method. See #BorderTypes. #BORDER_WRAP is not supported.

实际案例，代码如下：


#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgcodecs.hpp>
using namespace std;

int main(){
    const string filename = "/home/wpf/Test/study_cpp/ICP/2.jpeg";
    const string filename1 = "/home/wpf/Test/study_cpp/ICP/img_1.png";
    cv::Mat image_se = cv::imread(filename1,cv::IMREAD_COLOR);
    if(!image_se.data){
        cout<<"image not found!"<<endl;
    }
    //获得灰度图
    cv::Mat image_se_gray;
    cv::cvtColor(image_se,image_se_gray,cv::COLOR_BGR2GRAY);
    cv::Mat harris;
    int blockSize = 2;
    int apertureSize = 3;
    //参数说明
    /**blockSize，窗口大小，一般为2
     * ksize sobel算子，计算梯度信息，通常为3或者5
     * k权重系数，一般为0.02-0.04
     * borderType一般使用默认值即可
     *
     * */
    cv::cornerHarris(image_se_gray,harris,blockSize,apertureSize,0.04);
    //归一化
    cv::Mat Harrisen;
    cv::normalize(harris,Harrisen,0,255,cv::NORM_MINMAX);
    cv::convertScaleAbs(Harrisen,Harrisen);

    //寻找角点
    vector<cv::KeyPoint> KeyPoints;
    for (int row = 0; row < Harrisen.rows; ++row) {
        for (int col  = 0; col < Harrisen.cols; ++col) {
            int R = Harrisen.at<uchar>(row,col);
            if(R>125){
                cv::KeyPoint keyPoint;
                keyPoint.pt.y = row;
                keyPoint.pt.x = col;
                KeyPoints.push_back(keyPoint);
            }
        }
    }
    //绘制结果
    cv::drawKeypoints(image_se,KeyPoints,image_se);
    cv::imshow("系数矩阵",Harrisen);
    cv::imshow("角点",image_se);
    cv::waitKey(0);
    return 0;
}